∴ GitHub / 趋势仓库
docling-project / docling
解析多格式文档并为生成式 AI 准备好数据
- 语言
- Python
- Star
- 67.3k
- Fork
- 4.8k
- 当日新增(09-20)
- +129
- 累计在榜
- 2 天
- 最高名次
- 第 8 名
- 首次上榜
- 2026-09-19
∴ 是什么
Docling 是一个 Python 库,用于解析多种文档格式(包括 PDF、DOCX、PPTX、XLSX、HTML、EPUB 等),并提供统一的 DoclingDocument 表示形式。它支持高级 PDF 理解(页面布局、阅读顺序、表格结构、公式等),并可将文档导出为 Markdown、JSON 等格式。项目提供 CLI、Python API、API 服务器和 MCP 服务器,以便集成到生成式 AI 工作流中。
∴ 解决什么问题
- 简化文档处理,将不同格式的文档解析为统一结构
- 为敏感数据提供本地执行能力,支持离线环境
- 将文档转换为适合生成式 AI 使用的格式(如 Markdown、JSON)
- 处理扫描 PDF 和图像时需要 OCR 支持
∴ 怎么上手
- 01运行 pip install docling 安装
- 02使用命令行转换文档:docling https://arxiv.org/pdf/2206.01062
- 03(可选)使用 VLM 管道:docling --pipeline vlm --vlm-model granite_docling https://arxiv.org/pdf/2206.01062
- 04Python 用法:from docling.document_converter import DocumentConverter; converter = DocumentConverter(); result = converter.convert(source); print(result.document.export_to_markdown())
∴ 适合谁
面向需要将 PDF、Office 文档等转换为结构化文本或 JSON 的开发者,适用于构建 RAG、智能代理或文档分析应用的场景。
∴ 要点
- 支持多种文档格式:PDF、DOCX、PPTX、XLSX、HTML、EPUB、Apple Pages、WAV、MP3、图片等
- 高级 PDF 理解:布局、阅读顺序、表格结构、代码、公式、图像分类
- 统一 DoclingDocument 表示,导出为 Markdown、HTML、JSON 等
- 支持多种 XML schema:DocLang、USPTO 专利、JATS 文章、XBRL 财务报告
- 提供 LangChain、LlamaIndex、Crew AI、Haystack 等集成
- 支持 OCR、视觉语言模型(如 GraniteDocling)和语音识别(ASR),以及视频文件解析
许可证 MITaiconvertdocument-parserdocument-parsingdocumentsdocxhtmlmarkdownpdfpdf-converterpdf-to-jsonpdf-to-textpptxtablesxlsx
解读由 AI 依据项目 README 生成,生成于 2026-10-06,以 GitHub 原文为准。
∴ 在榜记录
GitHub Trending 今日榜的每日存档,日期按北京时间。2026-09-19 首次上榜,累计在榜 2 天,最高第 8 名。